复杂网络社团算法及其信息辨识应用研究

发布时间：2025-03-18 21:39

　　复杂网络(Complex Networks)从被提出的时候,就吸引了许多学者们的高度关注。经过多年的发展,复杂网络的应用价值逐渐展现出来,并得到了社会的认可。复杂网络可以被应用在许多领域中,剖析人与人之间的社会关系,分析城市交通网络线路等等。在众多领域专家学者的推动下,复杂网络已经被应用于生物学、社会学、计算机科学、管理学,甚至是语言文学等诸多领域中。社团发现算法是复杂网络中的一个重要课题,社交网络是一种典型的复杂网络。通过复杂网络社团算法去挖掘、分析社交网络中有用的信息,能够凸显社团算法的应用价值。然而社交网络上谣言的出现使得许多用户获取不真实的信息,大量虚假信息在社交网络上层出不穷,社交网络的特点也使得谣言在网络上传播迅速,难以遏制。目前谣言检测方法大多数都是基于机器学习的方法,而且都是利用文本的内容特征,并没有考虑到社交网络中社区结构信息。为了更好地检测出社交网络上的谣言,本文提出了RICD(Rumor Identification with Community Detection)框架,通过抓取新浪微博社交平台上的微博数据,利用官方的标注信息抽取谣言特征,剖析出基于微博内容的特征...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    第一节 研究背景与意义
    第二节 研究现状
    第三节 论文主要工作
    第四节 论文组织结构
第二章 相关研究
    第一节 复杂网络经典模型
    第二节 常用的社团算法
    第三节 社团算法的应用
    第四节 谣言检测方法
        一、基于监督学习的方法
        二、基于无监督学习的方法
        三、基于深度学习的检测方法
        四、其他检测方法
    第五节 谣言源检测方法
    第六节 小结
第三章 RICD框架设计
    第一节 问题定义
        一、问题描述
        二、框架描述
    第二节 特征选取
    第三节 RICD中的算法描述
        一、SVM算法
        二、LPA算法
    第四节 基于社区结构的结果优化
    第五节 评价指标
    第六节 实验与分析
        一、数据集
        二、实验配置
        三、实验分析
    第七节 小结
第四章 改进的谣言源检测算法设计
    第一节 网络中源检测的因素
        一、网络结构
        二、谣言传播模型
        三、中心度量
    第二节 谣言源极大似然估计器
    第三节 谣言中心性
    第四节 MPA算法模型
    第五节 IMPA算法模型
    第六节 评估方法
    第七节 实验与分析
        一、数据集
        二、实验配置
        三、实验分析
    第八节 小结
第五章 总结与展望
参考文献
致谢
在读期间的研究成果



本文编号：4036207